“Tokenmaxxing” está tornando os desenvolvedores menos produtivos do que pensam

Há um velho ditado na gestão: o que você mede é importante. E, normalmente, você obtém mais daquilo que está medindo.

Os engenheiros de software debatem métricas de produtividade há décadas, começando pelas linhas de código. Mas à medida que a nova geração de agentes de codificação de IA fornece mais código do que nunca, o que os seus gestores deveriam medir é menos claro.

Enormes orçamentos de tokens – essencialmente, a quantidade de poder de processamento de IA que um desenvolvedor está autorizado a consumir – tornaram-se uma medalha de honra entre os desenvolvedores do Vale do Silício, mas essa é uma maneira muito estranha de pensar sobre produtividade. Medir uma entrada do processo faz pouco sentido quando você presumivelmente se preocupa mais com a saída. Pode fazer sentido se você estiver tentando incentivar mais a adoção de IA (ou a venda de tokens), mas não se estiver tentando se tornar mais eficiente.

Consideremos as evidências de uma nova classe de empresas que operam no espaço de “insights sobre produtividade do desenvolvedor”. Eles estão descobrindo que os desenvolvedores que usam ferramentas como Claude Code, Cursor e Codex geram muito mais código aceito do que antes. Mas eles também descobrem que os engenheiros precisam voltar para revisar o código aceito com muito mais frequência do que antes, minando as reivindicações de aumento de produtividade.

Alex Circei, CEO e fundador da Waydevestá a construir uma camada de inteligência para acompanhar esta dinâmica; sua empresa trabalha com 50 clientes diferentes que empregam mais de 10.000 engenheiros de software. (Circei contribuiu para o TechCrunch no passado, mas este repórter nunca o conheceu antes.)

Ele diz que os gerentes de engenharia estão vendo taxas de aceitação de código de 80% a 90% – ou seja, a parcela de código gerado por IA que os desenvolvedores aprovam e mantêm – mas estão perdendo a agitação que acontece quando os engenheiros precisam revisar esse código nas semanas seguintes, o que reduz a taxa de aceitação no mundo real entre 10% e 30% do código gerado.

A ascensão das ferramentas de codificação de IA levou a Waydev, fundada em 2017 para fornecer análises de desenvolvedores, a retrabalhar totalmente sua plataforma nos últimos seis meses para lidar com a proliferação de ferramentas de codificação rápida. Agora, a empresa está lançando novas ferramentas que rastreiam os metadados gerados pelos agentes de IA, oferecendo análises sobre a qualidade e o custo de seu código para fornecer aos gerentes de engenharia mais informações sobre a adoção e a eficácia da IA.

Embora as empresas de análise tenham um incentivo para destacar os problemas que encontram, aumentam as evidências de que as grandes organizações ainda estão a descobrir como utilizar as ferramentas de IA de forma eficiente. As grandes empresas estão percebendo: a Atlassian adquiriu a DX, outra startup de inteligência de engenharia, por US$ 1 bilhão no ano passado, para ajudar seus clientes a compreender o retorno do investimento em agentes de codificação.

Os dados de todo o setor contam uma história consistente: mais código está sendo escrito, mas uma quantidade desproporcional dele não está aderindo.

GitClearoutra empresa neste espaço, publicou um relatório em janeiro, que constatou que as ferramentas de IA aumentaram a produtividade, mas também que seus dados mostraram que “usuários regulares de IA tiveram uma rotatividade de código em média 9,4 vezes maior do que seus equivalentes sem IA” – mais que o dobro dos ganhos de produtividade que as ferramentas forneceram.

Faros AI, uma plataforma de análise de engenharia, baseou-se em dois anos de dados de clientes para seu Relatório de março de 2026. A descoberta: a rotatividade de código (linhas de código excluídas versus linhas adicionadas) aumentou 861% sob a alta adoção de IA.

A Jellyfish, que se autodenomina uma plataforma de inteligência para engenharia integrada com IA, dados coletados em 7.548 engenheiros no primeiro trimestre de 2026. A empresa descobriu que os engenheiros com os maiores orçamentos de tokens produziram o maior número de solicitações pull (mudanças propostas em uma base de código compartilhada), mas a melhoria de produtividade não foi escalonada. Eles alcançaram duas vezes o rendimento com dez vezes o custo dos tokens. Em outras palavras, as ferramentas estão gerando volume e não valor.

Esses tipos de estatísticas soam verdadeiros quando você conversa com desenvolvedores, que estão descobrindo que a revisão de código e a dívida técnica estão se acumulando, mesmo enquanto eles se deleitam com a liberdade das novas ferramentas. Uma descoberta comum é a diferença entre engenheiros seniores e juniores, com os últimos aceitando muito mais código gerado por IA e, como consequência, lidando com uma quantidade maior de reescrita.

Ainda assim, mesmo enquanto os desenvolvedores trabalham para entender exatamente o que seus agentes estão fazendo, eles não prevêem voltar atrás tão cedo.

“Esta é uma nova era de desenvolvimento de software e você precisa se adaptar e é forçado a se adaptar como empresa”, disse Circei ao TechCrunch. “Não é como se fosse um ciclo que vai passar.”